3c760d21ff
|
||
|---|---|---|
| .. | ||
| 03-Perceptron | ||
| 04-OwnFramework | ||
| 05-Frameworks | ||
| README.md | ||
README.md
Úvod do neurónových sietí
Ako sme si povedali v úvode, jedným zo spôsobov, ako dosiahnuť inteligenciu, je trénovať počítačový model alebo umelý mozog. Od polovice 20. storočia vedci skúšali rôzne matematické modely, až kým sa v posledných rokoch tento smer neukázal ako mimoriadne úspešný. Takéto matematické modely mozgu sa nazývajú neurónové siete.
Niekedy sa neurónové siete nazývajú Umelé neurónové siete (Artificial Neural Networks, ANNs), aby sa zdôraznilo, že hovoríme o modeloch, nie o skutočných sieťach neurónov.
Strojové učenie
Neurónové siete sú súčasťou širšej disciplíny nazývanej Strojové učenie, ktorej cieľom je využívať dáta na trénovanie počítačových modelov schopných riešiť problémy. Strojové učenie tvorí veľkú časť umelej inteligencie, avšak v tomto kurze sa klasickému strojovému učeniu nevenujeme.
Navštívte náš samostatný kurz Strojové učenie pre začiatočníkov, aby ste sa dozvedeli viac o klasickom strojovom učení.
V strojovom učení predpokladáme, že máme nejakú množinu príkladov X a zodpovedajúce výstupné hodnoty Y. Príklady sú často N-rozmerné vektory, ktoré pozostávajú z príznakov, a výstupy sa nazývajú štítky.
Budeme sa zaoberať dvoma najbežnejšími problémami strojového učenia:
- Klasifikácia, kde je potrebné zaradiť vstupný objekt do dvoch alebo viacerých tried.
- Regresia, kde je potrebné predpovedať číselnú hodnotu pre každý zo vstupných vzoriek.
Pri reprezentácii vstupov a výstupov ako tenzorov je vstupná množina dát matica veľkosti M×N, kde M je počet vzoriek a N je počet príznakov. Výstupné štítky Y sú vektorom veľkosti M.
V tomto kurze sa zameriame iba na modely neurónových sietí.
Model neurónu
Z biológie vieme, že náš mozog pozostáva z neurónových buniek (neurónov), pričom každý z nich má viacero "vstupov" (dendritov) a jeden "výstup" (axon). Dendrity aj axóny môžu viesť elektrické signály a spojenia medzi nimi — známe ako synapsie — môžu vykazovať rôzne stupne vodivosti, ktoré sú regulované neurotransmitermi.
 |
 |
|---|---|
| Skutočný neurón (Obrázok z Wikipédie) | Umelý neurón (Obrázok od autora) |
Najjednoduchší matematický model neurónu teda obsahuje niekoľko vstupov X1, ..., XN a jeden výstup Y, a sériu váh W1, ..., WN. Výstup sa vypočíta ako:
kde f je nejaká nelineárna aktivačná funkcia.
Prvé modely neurónov boli opísané v klasickom článku A logical calculus of the ideas immanent in nervous activity od Warrena McCullocka a Waltera Pittsa v roku 1943. Donald Hebb vo svojej knihe "The Organization of Behavior: A Neuropsychological Theory" navrhol spôsob, akým by sa tieto siete mohli trénovať.
V tejto sekcii
V tejto sekcii sa naučíme:
- Perceptron, jeden z najstarších modelov neurónových sietí pre dvojtriednu klasifikáciu
- Viacvrstvové siete s priloženým notebookom ako si vytvoriť vlastný framework
- Frameworky neurónových sietí, s týmito notebookmi: PyTorch a Keras/Tensorflow
- Overfitting
Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.